Méthodologie & Intégrité des données

    La transparence radicale commence par des données fiables. Découvrez comment nous anonymisons, validons et calculons l'écart de rémunération entre les sexes.

    AnonymisationValidationCalcul de l'écartDocs API

    Processus d'anonymisation

    Comment nous protégeons votre identité

    Chaque soumission passe par un processus d'anonymisation à plusieurs niveaux avant d'entrer dans notre base de données. Aucune information personnelle identifiable (PII) n'est jamais stockée.

    1

    Suppression des données

    Toutes les métadonnées (adresses IP, horodatages, empreintes de dispositifs) sont immédiatement supprimées lors de la soumission. Nous ne conservons que la localisation agrégée (niveau ville), le poste et les données de rémunération.

    2

    Hashage & chiffrement

    Les champs optionnels (genre, équipe) sont hashés avec SHA-256 avant stockage. Toutes les données au repos sont chiffrées avec AES-256.

    3

    Agrégation uniquement

    Les enregistrements individuels ne sont jamais publiés. Nous affichons uniquement des statistiques agrégées (moyennes, médianes, percentiles) lorsque au moins 5 soumissions existent pour une catégorie donnée.

    4

    Modération des commentaires

    Les commentaires soumis par les utilisateurs sont examinés manuellement pour supprimer tout détail identifiant (noms, codes projet, dates spécifiques) avant publication.

    Important

    Bien que nous prenions toutes les précautions, aucun système n'est infaillible à 100 %. Évitez d'inclure dans votre commentaire tout détail unique pouvant vous identifier indirectement (ex : « Je suis la seule femme dans une équipe de 3 à Tallinn »).

    Validation & contrôle qualité

    Comment nous assurons l'exactitude des données

    Vérifications automatisées

    • Plages salariales validées selon les références du secteur
    • Soumissions en double détectées par correspondance de motifs
    • Valeurs aberrantes signalées pour examen manuel (±3 écarts-types)

    Examen manuel

    • Les modérateurs humains vérifient les soumissions signalées
    • Recoupement avec les rapports publics EUPTD lorsque disponibles
    • Signalement communautaire des données suspectes

    Niveaux de confiance

    Chaque donnée reçoit un score de confiance basé sur la taille de l'échantillon et la validation :

    Élevé (50+ soumissions, validées)
    Moyen (10-49 soumissions)
    Faible (5-9 soumissions)
    Insuffisant (<5 soumissions, non affiché)

    Calcul de l'écart de rémunération entre les sexes

    La formule

    Nous utilisons la formule standard UE non ajustée pour l'écart de rémunération entre les sexes, qui compare les revenus médians :

    Écart de rémunération entre les sexes (%) =
    [(Median Male Salary - Median Female Salary) / Median Male Salary] × 100

    Exemple de calcul

    • Salaire médian masculin pour « Software Engineer » à Berlin : 75 000 €

    • Salaire médian féminin pour « Software Engineer » à Berlin : 67 500 €

    • Écart de rémunération : [(75 000 - 67 500) / 75 000] × 100 = 10%

    Interprétation

    Un écart positif (ex : +10 %) signifie que les femmes gagnent 10 % de moins que les hommes pour le même poste. Un écart négatif signifie que les femmes gagnent plus. Un écart de 0 % indique la parité.

    Limitations

    • • Il s'agit d'un écart non ajusté (ne tient pas compte de l'expérience, des heures travaillées ou de l'ancienneté)
    • • Les petits échantillons (<10 par genre) peuvent produire des résultats peu fiables
    • • Les données auto-déclarées peuvent comporter un biais de déclaration
    • • Les genres non-binaires/autres sont suivis mais non inclus dans le calcul binaire de l'écart

    Seuils d'indicateur couleur

    0-3 % (Équitable/Parité)
    3-10 % (Écart modéré)
    10-20 % (Écart significatif)
    20 %+ (Écart critique)

    Questions fréquentes

    Nous exigeons un minimum de 5 soumissions par catégorie avant d'afficher toute donnée agrégée. Pour le calcul de l'écart de rémunération entre les sexes, nous avons besoin d'au moins 5 soumissions de chaque groupe de genre. Les catégories avec moins de soumissions affichent "Données insuffisantes" et ne sont pas publiées.

    Oui. Contactez-nous à contact@euptd.eu avec votre date de soumission approximative et les détails de votre poste. Nous retirerons votre entrée anonymisée de notre base de données. Notez que cela n'affectera pas les statistiques agrégées déjà publiées.

    Si nous n'avons pas assez de soumissions identifiées par genre, l'écart affichera "N/A - Données insuffisantes." Nous vous encourageons à partager votre salaire anonymement pour aider à constituer le jeu de données. Les entreprises avec des rapports officiels EU Pay Transparency Directive (EUPTD) afficheront ceux-ci à la place.

    Nous utilisons plusieurs mesures anti-fraude :

    • Limitation du taux (max 1 soumission par IP toutes les 24 heures)
    • Détection statistique des valeurs aberrantes
    • Revue manuelle des soumissions signalées
    • Système de signalement communautaire

    Non. EUPTD.EU est une initiative indépendante et participative. Nos données sont auto-déclarées et anonymisées, non des dossiers d'emploi vérifiés. Les rapports officiels EUPTD (lorsqu'ils sont disponibles) sont clairement indiqués et proviennent de divulgations publiques.

    Open Source & Accès API

    Documentation API Publique

    L'ensemble de notre jeu de données est disponible via une API publique et gratuite. Aucun authentification requise pour un accès en lecture seule.

    URL de base

    https://api.euptd.eu/v1

    GET /salaries

    Récupérer les données de salaire agrégées

    GET /salaries?role=Software%20Engineer&location=Berlin&limit=50

    Paramètres de requête :

    • • role (string): Intitulé du poste
    • • location (string): Ville ou pays
    • • company (string): Nom de l'entreprise
    • • min_confidence (string): élevée | moyenne | faible
    • • limit (integer): Résultats par page (max 100)

    GET /gap

    Obtenir l'écart de rémunération entre les sexes pour un poste/entreprise spécifique

    GET /gap?role=Data%20Analyst&company=Acme%20Corp&location=Amsterdam

    Exemple de réponse :

    { "role": "Data Analyst", "company": "Acme Corp", "location": "Amsterdam", "gap_percentage": 8.5, "confidence": "medium", "sample_size": { "male": 23, "female": 18 }, "median_salaries": { "male": 65000, "female": 59475 } }

    Dépôt GitHub

    L'intégralité de notre code source, scripts de validation de données et implémentation API sont open source :

    Voir sur GitHub

    Soutenir la mission

    EUPTD.EU est une initiative à but non lucratif. Aidez-nous à maintenir les serveurs, valider les données et développer de nouvelles fonctionnalités :

    Faire un don ou contribuer